1 简介
图像的获取过程存在各种不确定因素，易导致其质量下降 或 退 化，常常需要利用图像增强技术，改善其视 觉 效 果。图像增强是对图像进行分析的预处理环节，即将图像转换成更适合于人眼观察和机 器 分 析 识 别 的 形 式，以 突 出 图 像 细 节 和 对比度。基于空域的直接增强算法，可对图像灰度进行处理，包 括 Ｇａｍｍａ校 正 法、对 比 度 拉 伸 法、直 方 图均衡化、小波变换法等。频域的处理方法以修改图像的傅里叶变换为基础，包括多尺度增强、小波增强和巴特沃斯高通滤波等。
为了改善低亮度图像的可视性效果，给出一种基于双边滤波的彩色图像增强算法。对图像亮度整体作对数变换后，利用当前点与其邻域像素之间的关系，调整低亮度图像的局部对比度，并通过线性颜色恢复算法恢复图像色彩信息。针对随机所选５幅彩色图像的测试结果显示，经所给算法增强后的图像，其信息熵、均值和平均梯度皆有相对显著增加。
2 部分代码
function [ output ] = PSNR( img1,img2)%PSNR 峰值信噪比img1=im2double(img1);img2=im2double(img2);if sum(sum(sum(sum(img1-img2)))) == 0 error('Those pictures are the same');endMAX=1; %图像有多少灰度级（我这里定为1）if numel(size(img1))==3 for i=1:3 % 归一化 if (max(max(img1(:,:,i)))-min(min(img1(:,:,i)))) ~= 0 img1(:,:,i) = (img1(:,:,i)-min(min(img1(:,:,i))))./(max(max(img1(:,:,i)))-min(min(img1(:,:,i)))); end if (max(max(img2(:,:,i)))-min(min(img2(:,:,i)))) ~= 0 img2(:,:,i) = (img2(:,:,i)-min(min(img2(:,:,i))))./(max(max(img2(:,:,i)))-min(min(img2(:,:,i)))); end % MSE=sum(sum((img1(:,:,i)-img2(:,:,i)).^2))/(size(img1(:,:,i),1)*size(img1(:,:,i),1)); %图片像素 output(i)=10*log10(MAX/sqrt(MSE)); %峰值信噪比 end output=mean(output);else % 归一化 if (max(max(img1))-min(min(img1))) ~= 0 img1 = (img1-min(min(img1)))./(max(max(img1))-min(min(img1))); end if (max(max(img2))-min(min(img2))) ~= 0 img2 = (img2-min(min(img2)))./(max(max(img2))-min(min(img2))); end % MSE=sum(sum((img1-img2).^2))/(size(img1,1)*size(img1,1)); %图片像素 output=10*log10(MAX/sqrt(MSE)); %峰值信噪比endend
3 仿真结果
4 参考文献
[1]田小平, 姜薇, 吴成茂. 基于双边滤波的低亮度图像增强算法[J]. 西安邮电大学学报, 2016, 21(4):5.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
